如何在MATLAB中绘制CNN的精度和调用？

Question

如何绘制CNN的精确度和召回曲线？ 我已经从CNN生成了分数，并想绘制精确回忆曲线，但我无法得到它。 我使用以下方式计算了TP，TN，FP和FN

idx = (ACTUAL()==1);
p = length(ACTUAL(idx));  
n = length(ACTUAL(~idx));   
N = p+n;
tp = sum(ACTUAL(idx)==PREDICTED(idx));   
tn = sum(ACTUAL(~idx)==PREDICTED(~idx));   
fp = n-tn;   
fn = p-tp;

精确度和召回率的公式是

precision = tp/(tp+fp)

但有了这个，我得到了一些不受欢迎的情节。

我使用以下命令获得了CNN的分数：

[YTest,score]=classify(convnet,TestData)

Answer 1

MATLAB具有在统计和机器学习工具箱中创建ROC曲线和类似性能曲线（如精确调用曲线）的功能：perfcurve。 默认情况下，计算ROC曲线。 该函数具有以下语法：

[X, Y] = perfcurve(labels, scores, posclass)

此处，labels是每个样本的真实标签，scores是CNN（或任何其他分类器）的预测，posclass是您假设的类的标签成为＆＃34;积极的＆＃34; - 在您的示例中似乎是1。 perfcurve函数的输出是ROC曲线的(x, y)坐标，因此您可以使用

轻松绘制它

plot(X, Y)

要使perfcurve绘制精确回忆曲线而不是ROC曲线，您必须设置函数的可选'XCrit'和'YCrit'参数。如文档中所述，不同的预定义标准，如误报数（'fp'），真阳性率（'tpr'），准确度（'accu'）等等，甚至更多可以使用自定义函数。

通过将'XCrit'设置为'tpr'（召回）并将'YCrit'设置为'prec'（精确度），可以创建精确召回曲线：

[X, Y] = perfcurve(labels, scores, posclass, 'XCrit', 'tpr', 'YCrit', 'prec');
plot(X, Y);
xlabel('Recall')
ylabel('Precision')
xlim([0, 1])
ylim([0, 1])

例如（使用随机生成的数据和SVM）：

Answer 2

hbaderts 的答案是正确的，但是答案的结尾是错误的。

[X,Y] = perfcurve(labels,scores,posclass,'xCrit', 'fpr', 'yCrit', 'tpr');

则所生成的接收器工作特性（ROC）曲线正确。